發(fā)布時間：2018-06-14 21:34

  本文選題：表面肌電信號 + 智能假肢��； 參考：《自動化學(xué)報》2017年03期

【摘要】：表面肌電信號隨著時間的變化而改變,這將影響運動模式的分類精度.傳統(tǒng)人體下肢假肢運動模式的識別算法不能保證在整個肌電控制時間內(nèi)達到對運動模式的有效識別.為了解決這些問題,本文提取步態(tài)初期200 ms的信號的特征值,將無監(jiān)督和有監(jiān)督的Kohonen神經(jīng)網(wǎng)絡(luò)算法應(yīng)用到大腿截肢者殘肢側(cè)的步態(tài)識別中,并與傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)進行了對比.結(jié)果表明,有監(jiān)督的Kohonen神經(jīng)網(wǎng)絡(luò)算法將五種路況下步態(tài)的平均識別率提高到88.4%,優(yōu)于無監(jiān)督的Kohonen神經(jīng)網(wǎng)絡(luò)算法和BP神經(jīng)網(wǎng)絡(luò).
[Abstract]:The surface EMG signal changes with time, which will affect the classification accuracy of motion mode. The traditional motion pattern recognition algorithm of human lower limb prosthesis can not guarantee the effective recognition of motion pattern in the whole EMG control time. In order to solve these problems, the signal eigenvalues of 200ms in the initial gait are extracted, and the unsupervised and supervised Kohonen neural network algorithm is applied to the gait recognition of the left limb of the thigh amputee, and compared with the traditional BP neural network. The results show that the supervised Kohonen neural network algorithm increases the average gait recognition rate to 88.4 under five road conditions, which is superior to the unsupervised Kohonen neural network algorithm and BP neural network algorithm.
【作者單位】： 河北工業(yè)大學(xué)控制科學(xué)與工程學(xué)院;智能康復(fù)裝置與檢測技術(shù)教育部工程研究中心;
【基金】：河北省青年自然基金(F2016202327) 河北省高等學(xué)�？茖W(xué)技術(shù)研究項目(Q2012079,ZC2016020) 中國科學(xué)院人機智能協(xié)同系統(tǒng)重點實驗室開放基金資助~~
【分類號】：R318;TP183

【相似文獻】

相關(guān)期刊論文 前10條

1 張元元;姜樹明;魏志強;張建峰;許世杰;;基于步態(tài)的身份識別研究綜述[J];山東科學(xué);2012年03期

2 王云;趙秀萍;宋軍;;運用常用軟件對模糊監(jiān)控錄像中步態(tài)周期的研究[J];科技信息;2014年03期

3 王運成;;基于動態(tài)二維圖像序列的三維步態(tài)識別方法[J];科技通報;2013年10期

4 陳心浩;黃正華;高智勇;朱小祥;;基于特征融合的步態(tài)識別研究[J];中南民族大學(xué)學(xué)報(自然科學(xué)版);2010年01期

5 王立;;步態(tài)識別及其在智能視頻監(jiān)控中的應(yīng)用[J];淮北煤炭師范學(xué)院學(xué)報(自然科學(xué)版);2010年03期

6 李瀚霖;許林娜;王嘉楠;;步態(tài)識別在煤礦井下人員特征提取中的應(yīng)用[J];科技致富向?qū)?2011年24期

7 陳璇;吳清江;路遠;;角度與動態(tài)時間歸一化的步態(tài)識別[J];華僑大學(xué)學(xué)報(自然科學(xué)版);2010年01期

8 林敏;鄭繼紹;;靜態(tài)特征和動態(tài)特征融合的步態(tài)識別[J];貴州大學(xué)學(xué)報(自然科學(xué)版);2010年03期

9 程瓊;付波;;基于Hilbert-Huang描述子的步態(tài)識別方法[J];武漢大學(xué)學(xué)報(理學(xué)版);2008年01期

10 鄒晶晶;;基于不變矩和SVM的步態(tài)識別[J];山西科技;2008年05期

相關(guān)會議論文 前8條

1 鄧玉春;劉世平;;自動步態(tài)識別方法研究綜述[A];2007通信理論與技術(shù)新發(fā)展——第十二屆全國青年通信學(xué)術(shù)會議論文集（上冊）[C];2007年

2 何衛(wèi)華;李平;文玉梅;葉波;袁海軍;;運用下肢關(guān)節(jié)角度信息進行步態(tài)識別[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

3 肖軍;蘇潔;鄭波;賈鵬宇;;智能仿生腿在不同路況下的步態(tài)識別系統(tǒng)研究[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

4 張聰;明東;萬柏坤;;基于小波描述子和人體骨架模型的多視角融合步態(tài)識別[A];天津市生物醫(yī)學(xué)工程學(xué)會第29屆學(xué)術(shù)年會暨首屆生物醫(yī)學(xué)工程前沿科學(xué)研討會論文集[C];2009年

5 朱京紅;方帥;高明;方杰;;基于人工免疫模型的步態(tài)識別方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

6 葉波;文玉梅;李平;;基于核主元分析和支持向量機的步態(tài)識別算法[A];第十三屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2006年

7 王科俊;閻濤;呂卓紋;;基于耦合度量學(xué)習(xí)的特征級融合方法及在步態(tài)識別中的應(yīng)用[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

8 王科俊;賁f[燁;;基于線性插值的特征模板構(gòu)造的步態(tài)識別算法框架[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

相關(guān)重要報紙文章 前2條

1 編譯 劉東征;新型“步態(tài)密碼”給手機加把鎖[N];北京科技報;2005年

2 若水;分析步態(tài)識別身份[N];光明日報;2003年

相關(guān)博士學(xué)位論文 前10條

1 劉磊;基于多源信息的步態(tài)識別算法研究[D];河北工業(yè)大學(xué);2015年

2 余杰;基于視頻的人體目標跟蹤與識別技術(shù)研究[D];電子科技大學(xué);2016年

3 賁f[燁;基于人體運動分析的步態(tài)識別算法研究[D];哈爾濱工程大學(xué);2010年

4 曾瑋;基于確定學(xué)習(xí)理論的人體步態(tài)識別研究[D];華南理工大學(xué);2012年

5 張元元;基于序列統(tǒng)計特性的步態(tài)識別算法研究[D];山東大學(xué);2010年

6 趙國英;基于視頻的步態(tài)識別[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2005年

7 薛召軍;基于小波變換和支持向量機相結(jié)合的步態(tài)識別新方法研究[D];天津大學(xué);2007年

8 胡榮;人體步態(tài)識別研究[D];華中科技大學(xué);2010年

9 顧磊;基于圖像序列的人體步態(tài)識別方法研究[D];南京理工大學(xué);2008年

10 劉海濤;基于立體視覺的步態(tài)識別研究[D];中國科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 陳夏輝;步態(tài)識別的若干關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2015年

2 王奎;一種基于特征曲線匹配的快速步態(tài)識別方法研究[D];大連海事大學(xué);2015年

3 楊亞洲;基于人體輪廓特征的步態(tài)識別技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

4 馬曉龍;基于MIMU的單兵室內(nèi)導(dǎo)航算法研究[D];國防科學(xué)技術(shù)大學(xué);2013年

5 衣美佳;步態(tài)識別關(guān)鍵技術(shù)研究[D];南京郵電大學(xué);2015年

6 楊楠;基于視觸覺多特征融合的步態(tài)識別方法研究[D];河北工業(yè)大學(xué);2015年

7 周浩理;復(fù)雜背景下多特征融合的人體步態(tài)識別研究[D];海南大學(xué);2016年

8 李雪燕;視頻監(jiān)控中人體步態(tài)識別方法研究[D];長春工業(yè)大學(xué);2016年

9 潘秀芳;基于手機的步態(tài)識別研究[D];燕山大學(xué);2016年

10 羅璨;存在干擾因素情況下的步態(tài)識別統(tǒng)動力學(xué)初步探索[D];蘇州大學(xué);2016年

，

本文編號：2019028